21、负责任的图神经网络:可解释性技术与评估指标

负责任的图神经网络:可解释性技术与评估指标

1. 节点筛选算法流程

在处理图数据时,有一个节点筛选的算法流程,其具体步骤如下:
1. 初始化目标与收集 p 值

target = num_nodes  # 图分类数据的条目在 "num_nodes"
p_values = []
for node in range(num_nodes):
    chi2, p = chi_square(node, target, [], data)
    p_values.append(p)
  1. 筛选候选节点
number_cands = int(top_node*4)
cand_nodes = np.argpartition(p_values, number_cands)[0:number_cands]
  1. 第二轮筛选
# Round 2
Samples = self.batch_perturb_node_features(num_samples, cand_nodes, percentage, p_threshold, pred_threshold)
data = pd.DataFrame(Sam
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值